医学数据挖掘
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4.两种基于偏离的孤立点的检测技术是:序列异常技术，数据立 方体技术.
二,名词解释
1.聚类分析,是一个将数据集划分为若干组成类的过程.并使得 同一个组内的数据对象具有较高的相似度,而不同组中的数据 是不相似的.
5.预测模型和描述模型的区别 数据挖掘模型按照功能分为预测模型和描述模型.在预测模型 中,用来预测的称为独立变量,要预测的称为相关变量或目标 变量.预测模型包括分类模型,回归模型和时间序列模型;描述 模型包括聚类模型,关联模型和序列模型.前者有时又称为有 监督学习,可直接用来检测模型的准确性,一般在建立这些模 型时,使用一部分数据作为样本,用另一部分数据来检验,校正 模型;后者又称为无监督学习,因为在模型建立前结果是未知 的,模型的产生不受任何监督
模式。星型模式是由事实表和维表构成
5.DM分为：WEB内容挖掘、WEB结构挖掘、WEB使用
挖掘
二.名解
1.数据仓库：一个面向主题的、集成的、时变的、非易失的数
据集合，用以支持管理活动的决策过程
2.数据立方体：指以两维或多维来描述或者分类数据。这里的
维类似于关系数据结构中的属性或者字段
3.WEB数据挖掘：指同万维网相关数据的挖掘
三.简答
1.人们使用文本的三个主要目的
a用户需要便利的获得全文文本，即文献检索，b用户应用 此类数据库确定需要阅读的相关资料，c用户希望从文本数据 库中获得信息的特异性片段， 即从相关资料的特异性部分获得 某个特意问题的答案
2.数据库中的数据可以分为五个类别
a网页的内容，b网页间的结构，c网页内的结构，d描述用
3．医学数据挖掘存在的关键问题
a数据预处理，b信息融合技术，c快速的鲁棒的书库挖掘算 法，d提供知识的准确性和安全性
4．数据挖掘在遗传学方面的应用
遗传学的研究表明，遗传疾病的发生是由基因决定的，基因 数据库搜索技术在基因研究上做出了很多重大发现， 其工作主 要包括：a从各种生物体的大量序列中定位出具有某种功能的 基因，b在基因中搜索与某种具有高阶结构或功能的蛋白质相 似的高阶结构序列
5.数据挖掘模型按功能可分为:预测模型,描述模型.其中前者包 括:分类模型,回归模型,时间序列模型;后者包括:聚类模型,关联模型,序列模型
6.模型准确性的测试分为三类:简单验证,交叉验证,自举法
2.名词解释
1.静态数据:开展业务活动所需要的基本数据（动态数据的基础,保持数据的唯一性）
动态数据:指每笔业务发生时产生的事务处理信息
2.数据归纳:其目的是建立用于挖掘的合适的数据集合,缩小处 理范围,是在数据选择的基础上对挖掘数据的进一步约简,又
叫数据缩减或数据收缩
三:简答
1模型的六个阶段
理解问题,理解数据,准备数据,建立模型,方案评估,方案实施
2.数据准备包含的方面
a从多个数据源中整合数据挖掘所需要的数据,保证数据的综
合性,易用性,数据的质量和数据的时效性如何从现有数据中 衍生出所需要的指标
三．简答
1．数据挖掘的特点
a挖掘对象是超大型的，b发现隐含的知识，c可以用于增进 人类认知的知识，d不是手工完成的
2．案例是解决新问题的一种知识，案例知识表示为三元组
a问题描述：对求解的问题及周围环境的所有特征的描述，b解描述：对问题求解方案的描述，c效果描述：描述解决方案 后的结果情况，是失败还是成功
第四章
一.填空1．关联分析就是用于发现隐藏在大型数据集中的令人感兴趣的
联系,所发现的联系可以利用关联规则或者频繁项集的形式表 示
2.关联规则算法通常采用的策略是把关联规则挖掘任务分解为
两步:找出所有频繁的项集;由频繁项集产生强关联规则
3算法的两大缺点:可能产生大量的候选集,可能需要重复扫描数 据库
4算法优化的四种思路:减少描述的次数,对挖掘的数据集中进行 扫描,利用修剪技术来减少候选集的大小,并行数据挖掘
第一章
．填空
1．数据挖掘和知识发现ቤተ መጻሕፍቲ ባይዱ三大主要技术为：数据库、统计学、 机器学习
2．数据挖掘获得知识的表现形式主要有6种：规则、决策树、
知识基网络权值、公式、案例
3．规则是由前提条件、结论两部分组成
4．基于案例推理的基础是案例库
5．知识发现的基本步骤：数据选择、处理、转换、数据挖掘、 解释与评价。数据挖掘是知识发现的关键步骤
3.在数据生成,处理和管理的许多阶段都会引入错误,主要包括a数据输入和获得过程的错误数据集成所表现出来的错误（a度量纲问题b命名冲突问题c数据精度问题d汇总问题）数据 传输过程所引入的错误
4.通过历史数据预测未来,它的的有效性的前提条件隐藏着三个 假设为
a过去是将来的好的预测器数据是可利用的数据包含我们想要 的预测
第二章
一．填空
1．的对象分为：关系型、数据仓库、文本、复杂类型2．从用户角度来看，数据仓库的基本组成包括：数据源、数据 存储、应用工具、可视化用户界面
3．数据仓库是最流行的数据模型是多维数据模型，多维数据模 型将数据看作是数据立方体的形式， 数据立方体是由维和事实 来定义
4．常用的多维数据模式包括：星型模式、雪花模式、事实星座
5.同层关联规则可以采用的两种支持策略:统一的最小支持度,递减的最小支持度
第五章 聚类分析
一,填空.1.大多数聚类算法采用的两种具有代表性的数据结构:
数据矩阵,相异度矩阵.
2.基于划分的聚类分析方法有平均算法中心点算法算法.
3.孤立点挖掘的方法主要有:基于统计的方法,基于距离的方法,基于偏离的方法.
户如何使用网页的数据，e用户的人口统计学和注册信息 第三章
1.填空题
1.确定商业目标,认清数据挖掘的目的是的第一步
2.影响结果质量的两个因素是:所采用技术的有效性(模型的选
择）,用于挖掘的数据的质量和数量
3.数据质量的含义包含四个方面:数据的正确性,数据的一致性,数据的完整性,数据的可靠性
4.数据清洗的技术:空值处理,噪音数据,不一致数据等处理技术
6．数据挖掘的核心技术是：人工智能、机器学、统计学
7.目前数据挖掘在医学领域的应用集中在疾病辅助诊断、 药物开 发、医院信息系统、遗传学等方面
二．名解
1．数据挖掘：在数据中正规的发现有效的、新颖的、潜在有用 的、并且最终可以被读懂的模式的过程
2．案例推理：当要解决一个新问题时，利用相似性检索技术到 案例库中搜索与新问题相似的案例， 再经过对就案例的修改来 解决新问题
二,名词解释
1.聚类分析,是一个将数据集划分为若干组成类的过程.并使得 同一个组内的数据对象具有较高的相似度,而不同组中的数据 是不相似的.
5.预测模型和描述模型的区别 数据挖掘模型按照功能分为预测模型和描述模型.在预测模型 中,用来预测的称为独立变量,要预测的称为相关变量或目标 变量.预测模型包括分类模型,回归模型和时间序列模型;描述 模型包括聚类模型,关联模型和序列模型.前者有时又称为有 监督学习,可直接用来检测模型的准确性,一般在建立这些模 型时,使用一部分数据作为样本,用另一部分数据来检验,校正 模型;后者又称为无监督学习,因为在模型建立前结果是未知 的,模型的产生不受任何监督
模式。星型模式是由事实表和维表构成
5.DM分为：WEB内容挖掘、WEB结构挖掘、WEB使用
挖掘
二.名解
1.数据仓库：一个面向主题的、集成的、时变的、非易失的数
据集合，用以支持管理活动的决策过程
2.数据立方体：指以两维或多维来描述或者分类数据。这里的
维类似于关系数据结构中的属性或者字段
3.WEB数据挖掘：指同万维网相关数据的挖掘
三.简答
1.人们使用文本的三个主要目的
a用户需要便利的获得全文文本，即文献检索，b用户应用 此类数据库确定需要阅读的相关资料，c用户希望从文本数据 库中获得信息的特异性片段， 即从相关资料的特异性部分获得 某个特意问题的答案
2.数据库中的数据可以分为五个类别
a网页的内容，b网页间的结构，c网页内的结构，d描述用
3．医学数据挖掘存在的关键问题
a数据预处理，b信息融合技术，c快速的鲁棒的书库挖掘算 法，d提供知识的准确性和安全性
4．数据挖掘在遗传学方面的应用
遗传学的研究表明，遗传疾病的发生是由基因决定的，基因 数据库搜索技术在基因研究上做出了很多重大发现， 其工作主 要包括：a从各种生物体的大量序列中定位出具有某种功能的 基因，b在基因中搜索与某种具有高阶结构或功能的蛋白质相 似的高阶结构序列
5.数据挖掘模型按功能可分为:预测模型,描述模型.其中前者包 括:分类模型,回归模型,时间序列模型;后者包括:聚类模型,关联模型,序列模型
6.模型准确性的测试分为三类:简单验证,交叉验证,自举法
2.名词解释
1.静态数据:开展业务活动所需要的基本数据（动态数据的基础,保持数据的唯一性）
动态数据:指每笔业务发生时产生的事务处理信息
2.数据归纳:其目的是建立用于挖掘的合适的数据集合,缩小处 理范围,是在数据选择的基础上对挖掘数据的进一步约简,又
叫数据缩减或数据收缩
三:简答
1模型的六个阶段
理解问题,理解数据,准备数据,建立模型,方案评估,方案实施
2.数据准备包含的方面
a从多个数据源中整合数据挖掘所需要的数据,保证数据的综
合性,易用性,数据的质量和数据的时效性如何从现有数据中 衍生出所需要的指标
三．简答
1．数据挖掘的特点
a挖掘对象是超大型的，b发现隐含的知识，c可以用于增进 人类认知的知识，d不是手工完成的
2．案例是解决新问题的一种知识，案例知识表示为三元组
a问题描述：对求解的问题及周围环境的所有特征的描述，b解描述：对问题求解方案的描述，c效果描述：描述解决方案 后的结果情况，是失败还是成功
第四章
一.填空1．关联分析就是用于发现隐藏在大型数据集中的令人感兴趣的
联系,所发现的联系可以利用关联规则或者频繁项集的形式表 示
2.关联规则算法通常采用的策略是把关联规则挖掘任务分解为
两步:找出所有频繁的项集;由频繁项集产生强关联规则
3算法的两大缺点:可能产生大量的候选集,可能需要重复扫描数 据库
4算法优化的四种思路:减少描述的次数,对挖掘的数据集中进行 扫描,利用修剪技术来减少候选集的大小,并行数据挖掘
第一章
．填空
1．数据挖掘和知识发现ቤተ መጻሕፍቲ ባይዱ三大主要技术为：数据库、统计学、 机器学习
2．数据挖掘获得知识的表现形式主要有6种：规则、决策树、
知识基网络权值、公式、案例
3．规则是由前提条件、结论两部分组成
4．基于案例推理的基础是案例库
5．知识发现的基本步骤：数据选择、处理、转换、数据挖掘、 解释与评价。数据挖掘是知识发现的关键步骤
3.在数据生成,处理和管理的许多阶段都会引入错误,主要包括a数据输入和获得过程的错误数据集成所表现出来的错误（a度量纲问题b命名冲突问题c数据精度问题d汇总问题）数据 传输过程所引入的错误
4.通过历史数据预测未来,它的的有效性的前提条件隐藏着三个 假设为
a过去是将来的好的预测器数据是可利用的数据包含我们想要 的预测
第二章
一．填空
1．的对象分为：关系型、数据仓库、文本、复杂类型2．从用户角度来看，数据仓库的基本组成包括：数据源、数据 存储、应用工具、可视化用户界面
3．数据仓库是最流行的数据模型是多维数据模型，多维数据模 型将数据看作是数据立方体的形式， 数据立方体是由维和事实 来定义
4．常用的多维数据模式包括：星型模式、雪花模式、事实星座
5.同层关联规则可以采用的两种支持策略:统一的最小支持度,递减的最小支持度
第五章 聚类分析
一,填空.1.大多数聚类算法采用的两种具有代表性的数据结构:
数据矩阵,相异度矩阵.
2.基于划分的聚类分析方法有平均算法中心点算法算法.
3.孤立点挖掘的方法主要有:基于统计的方法,基于距离的方法,基于偏离的方法.
户如何使用网页的数据，e用户的人口统计学和注册信息 第三章
1.填空题
1.确定商业目标,认清数据挖掘的目的是的第一步
2.影响结果质量的两个因素是:所采用技术的有效性(模型的选
择）,用于挖掘的数据的质量和数量
3.数据质量的含义包含四个方面:数据的正确性,数据的一致性,数据的完整性,数据的可靠性
4.数据清洗的技术:空值处理,噪音数据,不一致数据等处理技术
6．数据挖掘的核心技术是：人工智能、机器学、统计学
7.目前数据挖掘在医学领域的应用集中在疾病辅助诊断、 药物开 发、医院信息系统、遗传学等方面
二．名解
1．数据挖掘：在数据中正规的发现有效的、新颖的、潜在有用 的、并且最终可以被读懂的模式的过程
2．案例推理：当要解决一个新问题时，利用相似性检索技术到 案例库中搜索与新问题相似的案例， 再经过对就案例的修改来 解决新问题